大数据显雏形——发展

所有公司在一开始时，数据的建设都是比较落后的，但随着互联网的环境推动，以及公司计划2013年在纽约交易所上市，这时候面临一个很大的问题。在上市之前，公司的数据，无论是流量数据还是财务产品数据都需要经过非常严格的审计。为此，我们开始整理数据，做数据报表，花费一年多的时间做数据整理、数据规范，慢慢的大数据的平台有了雏形。

后来公司上市之后，数据运营的重点从反映过去和现在的状况转变成指导业务、管理业绩、支持销售。

大数据平台建设

公司拥有很多的业务数据库，有订单、CRM、合同管理、人力资源等数据库。以往，我们会把这些数据库里的数据做集成，做一个简单的数据仓库，然后根据业务需求，在数据集成的基础上，通过帆软报表建立一个决策系统，做数据展示，提供服务。这个过程的好处是开发成本低，投入成本低，技术架构简单，可以非常快速的在公司内部运行起来。

但是这样的方式随着业务系统的增多，逐渐开始不适用。一是业务数据多样化、数据未集中管理、有效利用数据难度大；数据存储能力受限，无法追溯较远的历史数据。二是很多情况下，不同的产品经理和工程师所提的需求是不同的，而且这些不同的需求本身是交织在一起的。因此不同的团队做出同样的指标，由于数据指标定义不一致，存在意义相近重复指标的时候，管理层很难做出决策。三是分析和运营使用的数据渠道完全依赖于自身数据的监控，这会导致IT部门工作压力较大。

除了以上反映的问题，公司在基于未来发展情况下又呈现了新一轮的现状，并提出了以下需求：

业务的多元化发展，公司大量的并购导致集团数据量和数据需求爆发式增长；

数据网状流通，基础数据、数据指标缺少统一的元数据管理；

为了更好发掘数据价值，提升数据能力、构建标准化数据体系成为当务之急。

大数据平台业务架构

集团的业务架构大体可以分为几块内容。第一个是数据模型师。主要的工作是做好元数据管理，数据模型的开发以及建立统一的数据标准。第二个是数据开发员，它会对接产品，然后去做一些业务开发。第三个是业务人员，业务人员是运营、销售、市场人员，在这个地方做了很多可视化来帮助他们做出决策。最后是公司的数据分析部门，他们有很多对于审计包括公司一些非常核心的数据的分析需求，他们会通过独立的数据查询系统实现数据多维度分析。

下图是技术架构，在底层进行数据存储，抓取数据，并将存储层的数据传给处理层，在处理层完成业务计算，形成指标。然后前端通过帆软报表FineReport的应用，将数据以业务报表的方式进行图形化展示，并在移动报表APP上进行展示。

除去这个，我们还在管理上做了数据中心的建设规范。然后是数据质量管理，包括确保数据的准确性，为保证数据的及时性还建立了一个运行和管理规范。这四块结合起来以保证平台的平稳运行。

大数据可视化

数据可视化是这个平台最后的一步也是应用范围最广的一步。这方面，由于我们

1、需求来源多：团队需要同时对接财务部、销售中心、客服中心、管理层等各级部门，且各个部门关注的指标千差万别。

2、报表可视化方式多：需要通过明细表、汇总表、钻取表以及各类图表来分别满足各个部门的不同管理职级的需求，还要给给需求方提供离线报表、实时报表、邮件&短信推送数据等多种渠道。

3、自定义开发多：为了对接公司内部的业务系统，需要经常自定义开发。